CDP Series parte I: Adobe Experience Platform

adobe-experience-platform

CDP Series parte I: Adobe Experience Platform

CDP (Customer Data Platform) son unas siglas que están empezando a sonar cada vez más en la industria, y desde Merkle | DIVISADERO, en 2018, comenzamos un viaje para descubrir qué significa realmente esta tecnología y qué la diferencia de otras, como, por ejemplo, el DMP. Hace unos meses ya os dábamos unas pinceladas de estas diferencias, y ahora con este post queremos dar comienzo a una serie de contenidos en los que investigaremos, en detalle, los CDPs y los diferentes proveedores que hay en el mercado. El primero en ser examinado e inspeccionado será Adobe Experience Platform (o como Adobe la llama, “Platform”), el nuevo producto de Adobe, presentado este año en los Summits de Las Vegas y Londres.

¿Qué es Adobe Experience Platform?

Como os introducíamos ayer, estamos recién llegados del Adobe Summit 2019 y, en este caso, volvemos especialmente ilusionados tras haber visto y tocado el nuevo producto de Adobe. Se trata de un CDP, que, a diferencia del resto de productos de la Experience Cloud, ha sido completamente desarrollado por el propio Adobe.
Dicho en palabras bonitas, Platform tiene como objetivo construir perfiles de clientes en tiempo real permitiendo entregar experiencias personalizadas en el momento adecuado. Es una plataforma abierta y extensible, que simplifica y automatiza la integración y explotación de los datos a través de toda una organización.
La realidad es que este producto viene a cubrir el gap que había dentro de la Experience Cloud para entregar ese mundo de experiencias del que siempre nos hablan. Con él han conseguido responder dudas que a cualquiera que haya trabajado con su Suite le han surgido: ¿dónde debo generar una audiencia: Analytics, AAM, Target, Campaign o Ad Cloud?, ¿dónde debo alojar mi visión única del cliente?, ¿cómo puedo compartir un segmento entre los productos?, ¿a qué producto tengo que enviar cada dato? La respuesta ahora está clara y es Platform.


A continuación os destacamos los puntos que creemos relevantes de esta plataforma:

Experience Data Model (XDM)

Vamos a hacer énfasis en este punto porque es una gran apuesta y es lo que sustenta la visión que tiene Adobe para el producto.
XDM es el modelo de datos que se utiliza dentro de la plataforma para estandarizar la recolección de datos vinculados a experiencias. Muchos ya habréis escuchado hablar del Open Data Initiative, XDM es parte de esta iniciativa y servirá como base del lenguaje común de comunicación con productos de Microsoft o SAP.
Para introducir datos en Platform es necesario crear primero un schema, que no es más que la definición de un XDM en concreto.
A alto nivel el tipo de dato que se puede modelar con XDM se puede dividir en dos grandes categorías:

  • Récords: tiene el foco recoger atributos de usuarios, es decir, datos que tienen poca variación y van vinculados a una persona. Por ejemplo: edad, sexo, ciudad donde reside, etc.
  • Time series: describen las acciones que un usuario ha llevado a cabo. Es decir, que van vinculados con interacciones y aquí podríamos tener ejemplos como: hacer un click, visitar una página, realizar un pago, visitar una tienda, etc.

De cara a homogeneizar el conocimiento, existen una serie de clases de XDM definidas a nivel de industria. Esto es realmente importante ya que es lo que nos permitirá, en un futuro, ser capaces de reutilizar esfuerzos. A parte de estas clases de industria, podremos crear nuestras propias clases o extender las básicas, estas extensiones se llaman mixins. Resumiendo:

Dataset Schema=Class+Mixin

En la siguiente imagen tenemos un ejemplo de un schema que podríamos utilizar para recoger la información correspondiente a los registros de una web:

 

adobe_experience_platform_schema

 

En este caso, el schema definido es de tipo récord, ya que el formulario recoge atributos del usuario. Hemos usado una clase de tipo de industria porque el dato a recoger se adapta a la clase “XDM Profile”. Por último, hemos añadido dos mixins también predefinidos por Adobe, porque ya incluyen toda la información que nos gustaría recoger en el formulario (aunque en el schema aparezcan más datos de los que fuésemos a necesitar, esto no es un problema).

 

Datasets

Una vez definido el modelo de datos ya podemos comenzar a ingestar datos en la plataforma. En este punto, ya comenzamos a ver la flexibilidad que ofrece. Estos son algunos de los métodos en los que podemos añadir datos:

  • Herramientas Data Management (ETL): si dentro de la compañía ya nos hemos enfrentado a muchos proyectos de integración de datos, es fácil que se estén utilizando herramientas como Informática, SnapLogic o Unifi Software. Platform cuenta con integraciones ya disponibles para que las integraciones se puedan construir mediante drag&drop.
  • Interfaz de usuario: para archivos que no tengan un gran volumen, se pueden realizar las subidas directamente desde la interfaz. Esto es muy útil para realizar pruebas o análisis rápidos.
  • Conectores: hay ciertas conexiones que, desde Adobe, ya han creado para facilitar la importación de datos desde fuentes comúnmente usadas como puede Salesforce Sales.
  • API: si no contamos con una herramienta de Data Management y la fuente que queremos añadir no está dentro de los conectores disponibles, contamos con APIs para automatizar el proceso.
  • Stream: a través de su red de Data Collection Servers son capaces de ingestar datos, en tiempo real, desde cualquier dispositivo que tenga conexión a Internet (esperamos que esto nos ayude a acercarnos al mundo IoT).
  • Adobe Launch: no sabemos en lo que se acabará convirtiendo Adobe Launch, pero ya han incluido la posibilidad de enviar datos a Platform.

 

adobe_experience_platform_launch_plugin

Query Service

Al más puro estilo Google BigQuery, Platform cuenta con un servicio de queries que permite tener acceso al dato que vayamos insertando. A parte de facilitar el consumo desde fuera del entorno Adobe (herramientas internas de BI, entornos de Data Scientist, desarrollos de herramientas ad-hoc, etc.), este servicio es el que se utiliza para conectarse con herramientas de visualización de datos como Power BI, Tableau o Qlik.

 

Segments

Platform va a ser el repositorio de datos de toda la Experience Cloud, así que será el lugar adecuado para realizar los segmentos que vayan enfocados al usuario. Para los segmentos enfocados en canal, posiblemente, los otros productos sean mejores, por ejemplo el concepto de sesión que en Adobe Analytics es un básico a la hora de segmentar, no tiene una traducción directa sobre las capacidades de segmentación en Adobe Experience Platform. No obstante, si lo que queremos es crear segmentos con datos procedentes de distintas fuentes y soluciones, lo ideal es crearlos en Platform, como el lugar centralizado, y luego utilizarlos en el resto de los productos de Adobe Experience Cloud.
El editor que han construido para crear los segmentos es muy completo permitiendo tener en cuenta tanto atributos de usuario como eventos. Ofrece una gran capacidad de granularidad para cubrir casi cualquier necesidad que se os pueda ocurrir.

 

adobe_experience_platform_segments

 

Data Scientist Workspace

Para este espacio de trabajo, Adobe ha optado por la opción de embeber lo que se está convirtiendo en el estándar de industria, Jupyter Notebooks. Dentro de este espacio, podremos acceder a los datasets de manera directa y realizar los ejercicios de análisis y modelado que queramos. Si queremos utilizar los resultados obtenidos podremos, fácilmente, generar un nuevo dataset de salida.

 

adobe_experience_platform_jupyter

 

Recipes

Una de las joyas de la corona y donde realmente sale a relucir XDM, es el concepto de receta con el que cuenta Platform. El objetivo es paquetizar los modelos realizados, para poder reutilizarlos de manera sencilla. Teniendo en cuenta que muchos de los schemas que utilizaremos serán un estándar de industria, esto va a hacer que los atributos sobre los que se programen los modelos serán los mismos para varias organizaciones, es decir que los podremos re-utilizar. De hecho, en el futuro, Adobe lanzará un Marketplace de recetas en el que habrá tanto las creadas por el propio Adobe como cualquier Partner que lo desee.
Una vez creada una receta podemos ejecutar el modelo contra un dataset específico sin necesidad de tener conocimientos de programación. Esto nos da como resultado un dataset de salida que podremos utilizar para crear segmentos.

Por ejemplo, si pensamos en un modelo de scoring de usuarios en base a navegación digital y lo llevamos a un nivel básico, necesitaremos datos del tipo: páginas vistas, tiempo en página, aperturas de la aplicación, profundidad de la visita, recurrencia, etc. Todos estos atributos están definidos dentro de los schemas de XDM, es decir, que una vez hecho un modelo, este no solo serviría para una organización, si no que se podría paquetizar como receta y ser utilizado por cualquiera.

 

adobe_experience_platform_recipes

 

Adobe I/O

Aunque es algo que ya está presente dentro de la Suite, Adobe IO va a cobrar más relevancia una vez tengamos disponible Platform, ya que todas las acciones que podemos realizar mediante la interfaz se pueden realizar mediante API. Un caso de uso sencillo, bajo el cual es necesario el uso de APIs, podría ser tener disponible el perfil completo del usuario en una tienda física. Con una simple petición a la API enviando uno de los IDs del usuario (tarjeta de loyalty, número de teléfono, email, etc.) podremos obtenerlo y simplemente habrá que o bien construir una interfaz web que lo pinte de una manera atractiva o integrarlo con el sistema actual.


Estamos en los primeros estadios de este producto y todavía tenemos muchas dudas por resolver, ¿cuál es el modelo de licenciamiento?, ¿cómo va a convivir con el resto de productos de la suite?, ¿cuál es la fecha de lanzamiento en Europa? Pero aún así nos han quedado dos cosas claras:

  • Va a ser un gran player en el ámbito de los CDPs y ha establecido un nuevo listón para el resto de competidores.
  • Es una herramienta que tiene foco en perfiles técnicos, haciendo clave la presencia de perfiles Data Engineers y Data Scientists para el éxito de su implantación y explotación.

 

Aprovechamos para agradecer al equipo de Adobe por habernos dejado trabajar sobre la herramienta en el Summit y, especialmente, a Wouter Van Geluwe por haber preparado unos Labs realmente clarificadores.

¡Suscríbete a nuestra newsletter mensual Stay Sharp!

Para más información

CONTÁCTANOS